🏷️ 标签
#L2
共找到 9 条相关内容： 9 篇学习路径
📚 学习路径
L2 L2 L2 L2 L2 L2 L2 L2 L2
监督 / 无监督 / 强化：机器学习的三大世界观
所有机器学习算法都属于这三类之一。理解这个分类，你立刻能给任何算法"找它的家"。
线性回归：最简单也最深刻的 ML 模型
你以为线性回归很简单？神经网络的最后一层、几乎所有 ML 的起点——都是它。
逻辑回归与分类：从回归到决策
名字叫"回归"其实是分类。在神经网络出来之前，逻辑回归是工业界分类的事实标准——今天仍然是 baseline。
决策树：最直观可解释的 ML 算法
一连串"是不是"问题，组成一棵决策的树。它是 XGBoost、LightGBM 等竞赛王者算法的基石。
随机森林 + Boosting：让一群弱学习器变成超人
单棵树平庸，一群树投票就能逆天。Kaggle 十年霸主 XGBoost 的来历，就在这一篇。
K-Means 聚类：最经典的无监督算法
没标签也能学。K-Means 是用户分群、图像压缩、市场分析的瑞士军刀——20 行代码就能写。
评估指标 + 过拟合 + 正则化：让模型不犯傻的工程实战
会训模型不算啥。会判断模型"行不行"、知道为啥不行、怎么修——才是真正的 ML 工程师。
SVM 支持向量机：经典 ML 里的几何派
深度学习火之前，SVM 统治了 2000-2010 整整一个时代。今天它仍然是小数据集和文本分类的最优选之一。
优化器深度解析：SGD / Momentum / Adam 为什么是这样
你以为梯度下降只是"沿梯度反方向走"——其实有 10 多种花式走法。Adam 凭什么成为深度学习默认款？